Kaku

AI Coding 基础入门教程

Mon, 01 Jun 2026 00:00:00 GMT

一、对 AI 编程的认知#

1. AI Coding 是什么#

是指专业程序员在自身技术能力之上，用 AI 辅助写代码、查问题、做优化。Vibe Coding 则是非技术人员用自然语言来描述想法，完成小需求。

高效的开发者会使用 AI 工具辅助日常工作。AI 可以帮助你：

加速学习曲线：将复杂概念分解为易懂的小块
提高编码效率：自动补全、代码生成、重构建议
减少重复劳动：快速生成样板代码和测试用例
实时问题解决：即时获得调试建议和错误修复
探索新技术：快速了解陌生的框架和语言

2. 程序员的角色定位#

以前：
现实世界（产品经理） <—> 沟通者（程序员） <—> 计算机运行时
现在：
现实世界（产品经理） <—> 沟通者（程序员）<—> 技术语言 <—> AI <—> 计算机运行时
因此，在现在这个大环境下，学会如何正确高效的使用 AI 是非常有必要的。

对于使用 AI 比较生疏的，可以参考以下文章 ↓

入门：安装 Codex、Claude Code或者 Trae、Cursor 等 AI Coding 插件/软件
进阶：使用 MCP、Skills、SubAgent

二、搭建 AI 编程环境#

1. 最小环境#

你需要的最小环境：

Git（看 diff、回滚、提交）
Node.js（Claude/Gemini/Codex 三套 CLI 都用得到；建议 Node 20+，更推荐 Node 22）
使用 cc-switch 统一管理中转

1.1 安装 Git#

Git：https://git-scm.com/install/windows
详细教程参考 https://blog.csdn.net/mukes/article/details/115693833 即可

Terminal window

1
git --version #通过这个来验证git是否已经成功安装

如果你要使用 AI Coding 那么 Git 是非常有必要安装的，因为可以回退版本，即使 AI 写错了，也能够快速回到上一个版本，如果不会 Git 那么你也可以让 AI 来帮你回退版本，使用场景分别为：

让 AI 帮你比较代码的历史版本差异
回退版本，如：请使用 git 帮我回退到上一个版本

1.2 安装 Node.js#

Node.js：https://nodejs.org/zh-cn
官网包一路往下点下一步即可（建议别安装在 C盘），或者可以使用 NVM 来管理 nodejs（推荐）
NVM：https://nvm.uihtm.com/
安装教程详细看官方文档即可，也可以在 CSDN 上搜索安装教程，官网安装的基本上自动配置环境变量。

Terminal window

1
#验证nodejs是否成功安装
2
node -v
3
npm -v

2. 简易上手版#

在 VS Code 中安装 OpenCode、Claude Code、Codex 插件

此时安装完，是无法使用的，要么使用官方账号登录，要么使用第三方中转，这里推荐使用开源软件 cc-switch 来管理 AI 工具，可以统一管理 AI 工具的供应商以及 Skills、MCP 等。

点击加号

安装完上述插件后，在 cc-switch 中直接添加并且配置 URL 和 api key 之后即可使用

选择供应商

配置 API

只要把红色框框的都填写完，就可以点击添加，这时候重启 VS Code 就可以发现，你的 CLI 工具可以打开了。

3. 稳定主流版#

VS Code 以及插件，或终端运行 CLI

3.1 安装 CLI#

使用 npm ，先前安装的 nodejs 的作用来了

安装 Claude Code

Terminal window

1
npm install -g @anthropic-ai/claude-code #已弃用
2
claude --version #检查是否已经安装成功

Windows PowerShell:

1
irm https://claude.ai/install.ps1 | iex

安装 Codex

Terminal window

1
npm i -g @openai/codex # 也可以安装桌面应用
2
codex --version #检查是否已经安装成功

最后，使用图形化开源软件 cc-switch 来配置 API
在终端输入 claude 或者 codex 即可呼起对应的 CLI

3.2 安装桌面端工具（推荐）#

推荐理由：方便管理对话

均建议使用 cc-switch 代理
OpenCode
https://opencode.ai/zh
开源，并且内置支持 DeepSeek v4 flash 免费版；支持其他 AI 使用

Claude Code
https://www.anthropic.com/product/claude-code
支持其他 AI 使用，建议搭配 cc-switch 使用

Codex
https://chatgpt.com/zh-Hans-CN/codex
支持其他 AI 使用，建议搭配 cc-switch 使用

三、MCP 与 Skills 的使用#

为了更好的使用 MCP 与 Skills，首先我们要先了解二者分别是什么意思，二者之间的区别是什么。

1. MCP 是什么？#

MCP 是 Anthropic 推出的一个开放协议，让 AI 模型可以连接到外部数据源和工具。可以把它理解为 AI 的”USB 接口”——一个标准化的方式来让 Agent 访问外部系统。

简单来说就是：MCP 是“连接协议”，让模型能访问外部工具和数据，如数据库、API、文件系统等。

2. Skills 是什么？#

Skills 是 Anthropic 公司发布的一个跨平台可移植性的开发标准，是一个可调用工作流/提示模板，本质上是预定义的 prompt + 工作模式。每个 Skill 封装了一类任务的最佳实践。

简单来说就是：Skills 就是一个“方法论”，模块化、可复用的任务流程和操作规范，封装了专业知识、工作方法和执行步骤。

3. MCP 与 Skills 的区别#

对比项	MCP	Skills
本质	一套协议，让 AI 连接外部工具、数据源、服务	一组可复用的任务说明和资源
解决什么问题	“让模型能调用东西”	“让模型按固定方法做事”
典型内容	工具、资源、提示词、远程服务、本地进程	`SKILL.md`、脚本、参考资料、模板
适合场景	查文档、连 Figma、控浏览器、查数据库、调 API	写论文格式、简历优化、代码审查流程、前端设计规范
安装方式	配置 MCP server，常见为 `npx`、HTTP URL、OAuth	放到 Skills 目录、使用 Agent 工具自带的插件商城下载
是否能执行动作	可以，MCP server 暴露工具给模型调用	本身主要是说明书；可附带脚本，由 Agent 按说明运行
安全重点	远程/本地工具可能读取数据或执行操作	技能说明可能影响模型行为，也可能附带脚本

注意：两者互补而非替代，MCP 是“工具”，Skills 是“方法论”。

4. MCP 与 Skills 的安装方法#

4.1 资源获取#

首先先要获取 MCP 和 Skills的资源，先了解一下资源网站。

MCP 的资源网站：
https://mcp.so/
https://www.mcpworld.com/
Skills 的资源网站
https://www.skills.sh/
https://skillsmp.com/zh

4.2 如何安装/配置#

4.2.1 MCP
首先打开你需要配置的 MCP 对应的网站/仓库，根据官方的文档来选择配置方案。
如果是只有如图所示的 json 片段，那么可以手动写入对应 Agent 的配置文件夹中或者在 cc-switch 中进行配置统一管理。

json

下面仅展示在 cc-switch 中如何配置：

将 json 粘贴在 json 配置中即可。

其余情况参考官方文档的配置方案。

4.2.2 Skills
使用 npx 配置，或者使用 cc-switch 来配置，这里仅展示在 cc-switch 中如何配置。
点击 skills -> 发现技能 -> 仓库管理 -> 填写对应 skills 在 github 上的仓库地址
这里以 Everything Claude Code 为例，将地址粘贴至 cc-switch 中，点击添加仓库，此刻稍等一会；此时与网络环境有关，github 的 skills 需要搭配 VPN 来获取仓库，点击一次即可，不久后会显示 xxx 仓库已经添加。

然后在仓库中，选择你需要的 skills 下载即可

最后在使用的时候，记得要给对应的 Agent 开启技能（skills）和 MCP 即可。

MCP 与 Skills 的使用教程#

1. 自然语言使用法#

直接在 AI 工具中输入

MCP：这里以 context7（对应 MCP 的唯一标题）为例。

1
该项目中，我要使用 XXXX 库，请帮我使用 context7（可替换成想使用的 MCP） 来查询最新文档，xxxx。

Skills：这里以 brainstorming（对应 Skill 的名称）为例。

1
请使用 brainstorming ，我要搭建 xxxx

2. 命令调用#

在 Claude Code 和 OpenCode 中：输入 / ,即可选择 Skills 或 MCP。
在 Codex 中：输入$ ,即可选择 Skills;输入 / ，又可选择 Skills 也可以选择 MCP.

3. 仅写普通提示词（不推荐）#

当你没有说明要使用什么 MCP 或者 Sklls 的时候，此时会根据模型能力，按需获取工具使用。

Skills 会自动匹配：如果你的任务明显符合某个 skill 的 description，Agent 会自己选择使用。比如你说“帮我优化简历匹配 JD”，它可能自动用 resume-ats-optimizer。
MCP 会按需求调用：如果任务需要外部数据或工具，比如“查最新文档”“打开网页测试”“读取 Figma 设计稿”，Agent 可能会自动调用已配置的 MCP。

当然，这种情况仅凭模型能力来驱动是否要使用工具并不可靠；例如编写 Skills 的人在没有写好 description，那么即使 Skill 写的再好，也不一定会被模型触发也无济于事。

四、总结#

AI Coding 并不是让 AI 完全替代程序员，而是让程序员在已有技术判断力的基础上，把 AI 作为编码、调试、学习和重构的协作工具。真正高效的使用方式，不是简单地把需求丢给 AI，而是学会拆分任务、描述上下文、审查结果，并用 Git 等工具保证修改过程可控。
对于刚入门的开发者，可以先完成最小环境搭建：安装 Git、Node.js，并选择一个自己顺手的 AI Coding 工具，例如 Codex、Claude Code、OpenCode、Cursor 或 Trae。熟悉基础使用后，再逐步引入 cc-switch 来统一管理供应商、API、MCP 和 Skills。
MCP 和 Skills 是进一步提升 AI Coding 效率的两个重要方向。MCP 解决的是“让 AI 连接外部工具和数据”的问题，Skills 解决的是“让 AI 按固定方法完成专业任务”的问题。前者偏能力扩展，后者偏流程复用，二者可以互补使用。
建议新手的学习路径是：先掌握 Git 与基础 AI 对话方式，再使用一个稳定的 Agent 工具完成真实开发任务；随后学习如何配置 MCP 查询文档、操作浏览器或连接外部服务；最后再通过 Skills 沉淀常用工作流。这样既能提升效率，也能避免盲目依赖 AI 带来的风险。
总之，AI Coding 的核心不是“让 AI 写代码”，而是让开发者拥有一个更强的协作伙伴。你越能清楚地表达目标、提供上下文、验证结果，AI 就越能成为真正提升生产力的工具。

以上文章为个人经验 + AI 辅助校验；总结为 AI 编写与人工校验，如有错误请邮箱联系。

如何高效使用 AI

Thu, 30 Apr 2026 00:00:00 GMT

一、正确的选择 AI#

对话类AI#

ChatGPT：最流行的AI对话助手，适合写作、编程、学习
Claude：擅长长文本分析和深度对话
豆包：字节推出的中文AI助手
通义千问：阿里巴巴的AI助手

创意工具#

Stitch：谷歌的AI设计，有app和web两种形式，支持导出Figma
GPT Img2：GPT的生图AI，宣传可以在米粒上刻中文
Midjourney：AI绘画工具，生成高质量艺术作品
Stable Diffusion：开源AI绘画工具
即梦：AI视频编辑工具
Suno：AI音乐生成工具

办公工具#

Notion AI：智能笔记和知识管理
DeepL：高质量AI翻译工具

Agent 推荐#

编程开发类

Claude Code 官方 CLI，深度代码理解和修改
Codex 官方 CLI，深度代码理解和修改
Cursor 代码编辑器，目前最流行
GitHub Copilot：微软/GitHub，IDE 插件生态最成熟

通用任务类

Manus：国产全能 Agent，最近很火，能完成复杂多步任务
OpenAI Operator：操控浏览器执行任务
Claude.ai Projects：带记忆和文件上下文的长期协作

工作流/自动化类

Dify：可视化构建 AI 应用，部署方便
Coze（扣子） ：字节出品，低代码搭建 Agent，国内使用友好

二、明确目标与问题#

在提问前，先明确你想要从 AI 那里获得什么样的信息或帮助。

提示词结构#

(1) 问题–背景–请求

问题(Question):明确你想解决的问题是什么。
背景(Background):提供足够的背景信息，帮助模型理解问题的上下文。
请求(Request):具体说明你希望模型做什么。

示例
问题：我的React应用首屏加载时间超过5秒，用户体验很差
背景：项目使用Vite构建，有大量第三方UI库（Antd、ECharts）…
请求：请分析可能的原因并给出具体的优化方案，优先考虑代码分割和懒加载

(2) 目标–条件-期望

目标(Goal):描述你希望通过与模型的交互达成的最终目标。
条件(Condition):说明实现这个目标的任何特定条件或限制。
期望(Expectation);详细描述你期望的输出类型、格式或内容。

示例
目标：请将图中的文本整理出来
条件：在文本中加上示例代码
期望：使用 markdown 格式方便我复制到笔记软件上

(3) 场景–任务–动作–结果

场景(Situation):描述你的问题或需求的场景。
任务(Task):你希望模型完成的具体任务。
动作(Action):你期望模型采取什么动作或方法来执行任务。
结果(Result):你期望的结果是什么。

示例︰我是一名前端程序员，我正在学习 React，我需要你来协助我学习，接下来我会问你有关 React 的内容，我希望你可以作为我的老师，为我详细讲解 React 的有关知识。

以上是比较常用的三种结构化提示词的方式，其余的可以观看博客学习 ↓
写出高质量 Prompt

处理日常简单业务#

当处理日常的简单业务的时候，可以用最精简的语言来写 prompt
如，在日常学习的过程中，在视频上看到了可以记录的笔记，那么此时可以截图，然后粘贴给豆包：

当然，获得的类型是不确定的，如果想要高度自定义则需要进行提示词的结构化，如：这是我要记录到笔记的内容，你只需要提取文本内容即可，使用 markdown 格式方便我粘贴在笔记软件中。

三、其他注意事项#

1. 上下文管理#

不要在一个超长对话里问所有问题，上下文过长会导致AI”遗忘”前面的内容，质量下降
按话题开新对话，保持上下文聚焦
重要信息在对话中途可以重新粘贴提醒AI

2. 任务拆解#

1
❌ 一次性：帮我做一个完整的电商系统
2
✅ 拆解后：先设计数据库结构 → 再做用户模块 → 再做商品模块
3
AI对大而模糊的任务容易输出质量差，小而具体的任务效果更好。

3. 验证和迭代#

不要无脑信任输出，尤其是代码、数据、引用来源
把AI的输出当”初稿”而不是”答案”
对不满意的地方直接说”这里不对，因为…”，比重新提问更高效

4. 选对模型#

任务	推荐
复杂推理、长文档	Opus / GPT-5.5
日常编程、写作	Opus / GPT-5.5
快速简单问答	Haiku / GPT-4o mini

用重型模型做简单任务是资源浪费，反之则质量不足。

5. 给AI提供参考资料#

AI的知识有截止日期，遇到新技术/新文档时：

直接把官方文档该部分的核心内容粘贴进去
- 现在不用了，安装 context7 mcp 然后让 ai 工具调用 context7 即可
提供错误日志、截图、代码片段
给出你已经尝试过的方案，避免AI重复建议

6. 建立个人工作流#

把常用的提示词模板保存下来复用
对于重复性任务（周报、代码review、翻译）固定格式
用Project/记忆功能让AI了解你的偏好和背景

7. 明确AI的边界#

创意类、逻辑推理类 → AI擅长
实时信息、精确计算、法律医疗建议 → 需要人工验证
知道什么时候该停止用AI，自己动手更快

Kaku

AI Coding 基础入门教程

一、对 AI 编程的认知#

1. AI Coding 是什么#

2. 程序员的角色定位#

二、搭建 AI 编程环境#

1. 最小环境#

1.1 安装 Git#

1.2 安装 Node.js#

2. 简易上手版#

3. 稳定主流版#

3.1 安装 CLI#

3.2 安装桌面端工具（推荐）#

三、MCP 与 Skills 的使用#

1. MCP 是什么？#

2. Skills 是什么？#

3. MCP 与 Skills 的区别#

4. MCP 与 Skills 的安装方法#

4.1 资源获取#

4.2 如何安装/配置#

MCP 与 Skills 的使用教程#

1. 自然语言使用法#

2. 命令调用#

3. 仅写普通提示词（不推荐）#

四、总结#

如何高效使用 AI

一、正确的选择 AI#

对话类AI#

创意工具#

办公工具#

Agent 推荐#

二、明确目标与问题#

提示词结构#

处理日常简单业务#

三、其他注意事项#

1. 上下文管理#

2. 任务拆解#

3. 验证和迭代#

4. 选对模型#

5. 给AI提供参考资料#

6. 建立个人工作流#

7. 明确AI的边界#

最新 vuepress2 获取所有 formatter 教程

1. 写插件：把所有 frontmatter 挂到 siteData#

2. 在配置中注册插件#

3. 在组件中使用#

4. 注册这个组件#

5. 在 markdown 中使用这个组件#

6. 验收成果#